پیش بینی تغییرات کاربری زمین با استفاده از شبکه های عصبی و GIS

در این مقاله مدل دگرگونی زمین که مشتمل بر سیستم اطلاعات جغرافیایی (GIS)(1) و شبکه های عصبی مصنوعی (ANNs)(2) می باشد ارائه شده است. در این مدل از عوامل متنوع سیاسی، اجتماعی و محیطی به عنوان متغیرهای پیشگوی استفاده گردیده است. این پژوهش نسخه ای از مدل LTM(3) را برای محدوده حوزه آبخیز گرند تریورز در خلیج میشیگان ارائه کرده و نشان می دهد که چگونه عواملی نظیر جاده ها، بزرگراه ها، خیابان های محلی، رودخانه ها، خطوط ساحلی دریاچه های بزرگ، امکانات تفریحی، دریاچه های داخلی، تراکم کشاورزی و کیفیت منظر می تواند بر الگوی شهرنشینی در حوزه آبخیز ساحلی تاثیرگذار باشد. برای یادگیری الگوهای توسعه در منطقه و محک زدن ظرفیت پیش گویی مدل از شبکه های عصبی مصنوعی و برای گسترش فضایی محرک های پیشگو و انجام تحلیل فضایی بر روی نتایج از GIS استفاده شده است. سرانجام سهم هر یک از متغیرهای پیشگو تخمین و در مقیاس فضایی نشان داده شده است. در کوچکترین مقیاس ها، کیفیت منظر قویترین متغیر پیشگو بود. تاثیرات چندبعدی تغییرات کاربری زمین با استفاده از تاثیرات نسبی سایت (به عنوان مثال کیفیت منظر، خیابان های محلی) و موقعیت (به عنوان مثال بزرگراه ها و جاده های بین بخشی) در مقیاس های مختلف مورد تفسیر قرار گرفته است.